perkuliahan ke 4 tujuan instruksional khusus...

PERKULIAHAN KE 4

Tujuan Instruksional Khusus (TIK) Mahasiswa mampu : Menjelaskan model kognitif yang merepresentasikan user dari sistem

interaktif Menjelaskan model hirarki yang merepresentasikan tugas user dan

struktur goal/tujuan Menjelaskan model linguistik yang merepresentasikan grammar sistem

user Menjelaskan model fisik dan device yang merepresentasikan

kemampuan motorik manusia Menjelaskan arsitektur kognitif sebagai dasar model kognitif

Pokok Bahasan : Model Kognitif Model Hirarki Model Fisik & Device Arsitektur Kognitif

Deskripsi Singkat : bahasan ini tentang model-model user dalam suatu sistem interaksi yang direpresentasikan dalam model kognitif dan terdiri dari model hirarki yang merepresentasikan tugas user dan struktur goal/tujuan, model linguistik yang merepresentasikan grammar sistem user, serta model fisik dan device yang merepresentasikan kemampuan motorik manusia.

Bahan Bacaan : Dix, Alan et.al, HUMAN-COMPUTER INTERACTION, Prentice Hall, Europe, 1993, hal 9-114 Johnson, P., HUMAN-COMPUTER INTERACTION : Psychology, Task Analysis and Software Engineering, McGraw-Hill, England UK, 1992

MODEL USER DALAM DESAIN

Tinjauan Model kognitif merepresentasikan user dari sistem interaktif

Model hirarki merepresentasikan tugas dan struktur tujuan user

Model linguistik merepresentasikan grammar sistem user

Model fisik dan device yang merepresentasikan kemampuan motorik

manusia

Arsitektur kognitif adalah dasar semua model kognitif

Pendahuluan Dalam berbagai disiplin ilmu rekayasa (engineering), desainer

melakukan pemilihan model untuk digunakan dalam proses desain. Model

dapat bersifat:

• Evaluatif jika model tersebut digunakan untuk mengevaluasi desain yang

ada.

• Generatif jika model mempunyai kontribusi pada proses desain. Dan dalam

praktek, model yang sering digunakan adalah yang bersifat generatif.

Model Kognitif Model-model yang akan dibahas berikut ini merepresentasikan user

pada saat mereka berinteraksi dengan interface sistem. Model ini menyertakan

aspek pemahaman, pengetahuan, perhatian ataupun pemrosesan yang

dilakukan user. Presentasi model kognitif dibagi dalam kategori berikut :

• Representasi hirarki tugas (task) user dan struktur goal : terkait dengan isu

formulasi tujuan dan tugas.

• Model linguistik dan gramatik : terkait dengan grammar dari translasi

artikulasi dan bagaimana pemahamannya oleh user.

• Model tingkat device dan fisik : terkait dengan artikulasi tingkat motorik

manusia dan bukan tingkat pemahaman manusia.

IMK – MODEL USER DALAM DESAIN 2 dari 21

Hirarki Tugas dan Goal Banyak model menggunakan model pemrosesan mental dengan user

mencapai tujuan dengan memecahkan sub-tujuan secara divide-and-conquer.

Pada bagian ini hanya akan dibahas dua model, yaitu GOMS (Goals,

Operators, Methods and Selections), dan CCT (Cognitive Complexity Theory).

Berikut ini dicontohkan tentang membuat laporan penjualan Buku IMK. Untuk

mencapai tujuan, kita membaginya menjadi beberapa sub-tujuan.

Procedure report gather data find book names do keywords search of name database <<futher sub-goals>> sift through names & abstracts by hand <<futher sub-goals>> search sales database <<futher sub-goals>> layout tables and histograms <<futher sub-goals>> write description <<futher sub-goals>>

Terdapat beberapa isu penting jika dilakukan analisis penggunaan komputer

seperti :

• Dimana kita berhenti. Kita dapat berhenti mendekomposisi tugas jika

menyangkut elemen pergerakan motorik manusia atau pada level yang lebih

abstrak.

• Dimana kita memulai. Kita dapat memulai analisis di poin yang berbeda

pada hirarki goal tertentu.

• Apa yang harus dilakukan ketika ada beberapa solusi pemecahan masalah

atau jika solusi terhadap dua masalah saling berhubungan.

• Apa yang harus dilakukan terhadap kesalahan yang terjadi.


GOMS (Goals, Operators, Methods, and Selection) Model GOMS yang diperkenalkan oleh Card, Moran dan Newell

merupakan singkatan dari Goals, Operators, Methods, and Selection. Deskripsi

model GOMS terdiri dari empat elemen, yaitu :

• Goal, adalah tujuan yang ingin dicapai oleh user

• Operator, merupakan level terendah analisis terdiri atas tindakan dasar

yang harus dilakukan user dalam menggunakan sistem.

• Methods. Seperti yang telah dijelaskan bahwa ada beberapa cara untuk

membagi tujuan kedalam beberapa sub-tujuan. Dekomposisi tujuan tersebut

disebut sebagai methods.

Contoh:

GOAL : ICONIZE-WINDOW . [select GOAL : USE-CLOSE-METHOD . . MOVE-MOUSE-TO-WINDOW-HEADER . . POP-UP-MENU . . CLICK-OVER-CLOSE-OPTION . GOAL : USE-L7-METHOD . . PRESS-L7-KEY]

Tanda titik menunjukkan hirarki level tujuan / goal.

• Selection, merupakan pilihan terhadap metode yang ada. GOMS tidak

membiarkan pilihan menjadi random, namun lebih dapat diprediksikan.

Namun secara umum, hal tersebut bergantung pada user, kondisi sistem

dan detail tujuan.

Sebagai contoh, user Sam tidak pernah menggunakan L7-METHOD kecuali

jika dia memainkan sebuah game yang bernama ‘blocks’. Maka GOMS

memasukkan dalam aturan selection :

User Sam :

Rule 1 : Use the CLOSE-METHOD unless another rule applies. Rule 2 : If the application is ‘blocks’ use the L7-METHOD


Analisis GOMS umumnya terdiri dari satu high-level goal, kemudian

didekomposisi menjadi deretan unit tugas (task), dan selanjutnya dapat

didekomposisi lagi sampai pada level operator dasar. Dekomposisi tujuan

antara tugas keseluruhan dan unit tugas melibatkan pemahaman mengenai

strategi pemecahan masalah oleh user dan domain aplikasi secara detail.

Bentuk deskripsi high-level-goal ini nantinya diadopsi selama proses analisis

tugas.

Analisis struktur tujuan GOMS dapat digunakan untuk mengukur kinerja.

Kedalaman tumpukan struktur tujuan dapat digunakan untuk mengestimasi

kebutuhan memori jangka-pendek. Selection dapat diuji untuk keakuratannya

terhadap jejak user (user’s traces) dan perubahan respon. GOMS merupakan

metode yang baik untuk mendeskripsikan bagaimana seorang ahli melakukan

pekerjaannya dan jika digabung dengan moel fisik dan device dapat digunakan

untuk memprediksikan kinerja user dari aspek waktu eksekusi.

Cognitive Complexity Theory (CCT) Cognitive Complexity Theory (CCT) yang diperkenalkan oleh Kieras dan

Polson ini dimulai dengan premis dasar dekomposisi tujuan dari GOMS dan

disempurnakan modelnya agar lebih dapat diprediksi. CCT memiliki dua

deskripsi paralel, satu adalah tujuan user dan yang lainnya adalah sistem

komputer atau disebut device pada CCT. Deskripsi tujuan user berdasarkan

hirarki tujuan yang mirip dengan GOMS, tetapi diekspresikan menggunakan

production rules. Production rules merupakan sekumpulan aturan dengan

bentuk :

If kondisi then aksi

Dengan kondisi adalah pernyataan tentang isi memori kerja. Jika kondisi

bernilai benar maka production rule dijalankan. Sedangkan aksi dapat terdiri

dari satu atau lebih aksi elementer yang mungkin mengubah memori kerja atau

berupa aksi eksternal seperti keystroke. Sebagai contoh adalah tugas editing

menggunakan editor ‘vi’ UNIX untuk mengoreksi spasi antar kata.


Production rules CCT: (SELECT-INSERT-SPACE IF (AND (TEST-GOAL perform unit task) ( TEST-TEXT task is insert space) (NOT (TEST-GOAL insert space)) (NOT (TEST-NOTE executing insert space))) THEN ( (ADD-GOAL insert space) (ADD-NOTE executing insert space) (LOOK-TEXT task is at %LINE %COL))) (INSERT-SPACE-DONE IF (AND (TEST-GOAL perform unit task) (TEST-NOTE executing insert space) (NOT (TEST-GOAL insert space))) THEN ( (DELETE-NOTE executing insert space) (DELETE-GOAL perform unit task) (UNBIND %LINE %COL)) (INSERT-SPACE-1 IF (AND (TEST-GOAL insert space) (NOT (TEST-GOAL move cursor)) (NOT (TEST-CURSOR %LINE %COL))) THEN ( (ADD-GOAL move cursor to %LINE %COL))) (INSERT-SPACE-2 IF (AND (TEST-GOAL insert space) (TEST-CURSOR %LINE %COL)) THEN ( (DO-KEYSTROKE ‘I’) (DO-KEYSTROKE SPACE) (DO-KEYSTROKE ESC) (DELETE-GOAL insert space)))

Untuk mengetahui cara kerja rules, anggap user baru saja melihat

karakter yang salah dan isi dari memori kerja adalah :


(GOAL perform unit task) (TEXT task is insert space) (TEXT task is at 5 23) (CURSOR 8 7)

Melihat pada empat rule yang ada (SELECT-INSERT-SPACE, INSERT-

SPACE-DONE, INSERT-SPACE-1, INSERT-SPACE-2) maka hanya SELECT-

INSERT-SPACE yang dipenuhi, sehingga isi memori kerja setelah rule tersebut

dijalankan adalah :

(GOAL perform unit task) (TEXT task is insert space)

(TEXT task is at 5 23) (NOTE executing insert space) (GOAL insert space) (LINE 5) (COL 23) (CURSOR 8 7)

Kemudian dijalankan berturut-turut rule INSERT-SPACE-1, INSERT-SPACE-2,

dan INSERT-SPACE-DONE hingga tugas mengoreksi spasi dapat

diselesaikan.

Rule dalam CCT tidak selalu merepresentasikan kinerja yang bebas dari

kesalahan (error). Aturan tersebut dapat digunakan untuk menerangkan

fenomena error meskipun tidak dapat memprediksikannya. Sebagai contoh rule

INSERT-SPACE-2 untuk menyisipkan spasi tidak mengecek modus editor yang

sedang digunakan.

Rule CCT dapat menggambarkan rencana (plan) yang kompleks

dibandingkan dengan hirarki sekuensial pada GOMS. Aktifitas yang kontinyu

dari semua production rule memungkinkan untuk merepresentasikan rencana

yang berkesinambungan. Sebagai contoh, pada CCT dapat dibuat satu set

production rule untuk menulis sebuah buku dan satu set lainnya untuk membuat

teh. Kedua jenis production rule ini dapat aktif secara simultan sehingga

memungkinkan si penulis menulis buku sambil minum teh.


Secara umum, semakin banyak production rules dalam CCT semakin

sulit suatu interface untuk dipelajari. Selain itu terdapat beberapa masalah pada

CCT, yaitu :

• Semakin detail deskripsinya, size deskripsi dari satu bagian interface dapat

menjadi sangat besar. Lebih jauh, dimungkinkan terdapat beberapa cara

untuk merepresentasikan perilakuk user dan interace yang sama sehingga

mengakibatkan perbedaan hasil pengukuran.

• Pemilihan notasi yang digunakan. Muncul pertanyaan kapan notasi tertentu

yang dipilih menjadi suatu hal yang penting / kritis. Sesorang dapat saja

memilih untuk merepresentasikan sistem dengan notasi yang berbeda.

Notasi yang berbeda dapat mengakibatkan perbedaan pengukuran.

Contoh: pada deskripsi sebelumnya (NOTE executing insert space) hanya

digunakan untuk membuat rule INSERT-SPACE-DONE dijalankan pada

waktu yang tepat. Disini tidak jelas sama sekali signifikansi kognitifnya.

• CCT adalah alat perekayasaan (engineering tool) dengan pengukuran

kemudahan dipelajari (learnability) dan tingkat kesulitan (difficulty) secara

garis besar digabung dengan dekripsi detail dari perilaku (behaviour) user.

Model Linguistik Interaksi user dengan komputer dapat dipandang dari sisi bahasa

(language), sehingga wajar saja jika beberapa formalisasi model menggunakan

konsep ini. Grammar BNF paling sering digunakan untuk menspesifikasikan

dialog. Model yang mirip dengan notasi dialog ini digunakan untuk memahami

perilaku user dan menganalisis kesulitan kognitif dari interface.

Backus-Naur Form (BNF) Salah satu representasi dari pendekatan linguistik adalah Backus-Naur

Form yang diperkenalkan oleh Reisner untuk mendeskripsikan tata bahasa

(grammar) dari dialog. Model ini memandang dialog hanya pada level sintaksis

dan mengabaikan semantik dari bahasa tersebut. BNF banyak digunakan untuk

menspesifikasikan sintaks dari bahasa pemrograman komputer dan banyak


sistem dialog. Sebagai contoh sebuah sistem grafik yang memiliki fungsi

menggambar garis.

draw-line ::= select-line + choose-points + last-point select-line ::= position-mouse + CLICK-MOUSE choose-points ::= choose-one | choose-one + choose-points choose-one ::= position-mouse + CLICK-MOUSE last-point ::= position-mouse + DOUBLE-CLICK-MOUSE position-mouse::= empty | MOVE-MOUSE + position-mouse

Nama yang digunakan pada deskripsi terdiri dari dua jenis, yaitu non-

terminal yang dituliskan dengan huruf kecil, dan terminal yang dituliskan

dengan huruf kapital. Terminal merepresentasikan level terrendah dari perilaku

user seperti menekan tombol, memindahkan mouse, atau meng-klik tombol

mouse, dan sebagainya. Sedangkan non-terminal adalah abstraksi level tinggi

yang dapat terdiri dari non-terminal lainnya dan terminal dengan format :

name ::= expression

Simbol : := berarti didefinisikan sebagai. Hanya non-terminal yang boleh

berada di bagian kiri dari simbol tersebut. Bagian kanan dibentuk dengan

menggunakan operator ‘+’ yang berarti berurutan (sequence) dan ‘|’ yang

berarti pilihan (choice).

Deskripsi BNF dari suatu interface dapat dianalisis dengan berbagai

cara, salah satunya adalah dengan mengukur jumlah rules dan operatornya.

Semakin banyak jumlah rule-nya, semakin rumit interface tersebut. Dan hal ini

bergantung pada cara pendeskripsian interface, karena bisa saja aturan untuk

perilaku user yang disama dideskripsikan dengan cara yang berbeda.

Selain dari pengukuran kompleksitas bahasa secara keseluruhan, BNF

dapat digunakan untuk menentukan berapa banyak tindakan dasar yang

dibutuhkan dalam tugas tertentu, dan didapatkan estimasi kasar dari kesulitan


tugas tersebut. Deskripsi BNF hanya digunakan untuk merepresentasikan aksi

yang dilakukan user bukan persepsi user terhadap sistem.

Task-Action Grammar (TAG) BNF mengabaikan konsistensi struktur bahasa dan penggunaan nama

perintah serta huruf. Task-Action Grammar (TAG) mencoba mengatasi

kekurangan tersebut dengan menyertakan grammar berparameter untuk

menekankan konsistensi serta menyimpan knowledge user. Contoh berikut ini

adalah untuk mengilustrasikan konsistensi menggunakan tiga buah perintah

UNIX, yaitu cp (menyalin file), mv (memindahkan file), dan ln (link file) yang

masing-masing memiliki dua bentuk.

copy ::= ‘cp’ + filename + filename | ‘cp’ + filename + directory move ::= ‘mv’ + filename + filename | ‘mv’ + filename + directory link ::= ‘ln’ + filename + filename | ‘ln’ + filename + directory

BNF tidak dapat membedakan konsistensi perintah dan inkonsistensi

alternatif, misalkan jika ‘ln’ mengambil argumen direktori lebih dahulu. TAG

didesain untuk menyatakan konsistensi semacam ini, dan deskripsinya diubah

menjadi :

file-op [Op] := command-op[Op]+ filename + filename | command-op[Op] + filename + directory command-op[Op=copy] := ‘cp’ command-op[Op=move] := ‘mv’ command-op[Op=link] := ‘ln’

Bentuk tersebut memperlihatkan konsistensi perintah dan mencerminkan

deskripsi tekstual aslinya. Pengukuran kompleksitas bahasa menggunakan

deskripsi TAG akan lebih baik dalam hal memprediksikan learning dan

performance dibandingakan BNF.


Selain konsistensi, TAG juga ditujukan untuk menyimpan pengetahuan

(knowledge). Sebagai contoh kita memiliki dua buah command line interface

untuk menggerakan kura-kura mekanik di atas lantai.

Command interface 1

movement [Direction] := command[Direction] + distance + RETURN command[Direction=forward] := ‘go 395’ command[Direction=backward] := ‘go 013’ command[Direction=left] := ‘go 712’ command[Direction=right] := ‘go 956’

Command interface 2

movement [Direction] := command[Direction] + distance + RETURN command[Direction=forward] := ‘FORWARD’ command[Direction=backward] := ‘BACKWARD’ command[Direction=left] := ‘LEFT’ command[Direction=right] := ‘RIGHT’

Jelas terlihat bahwa interface kedua lebih disukai. TAG menambahkan bentuk

khusus known-item yang digunakan untuk menginformasi-kan ke user bahwa

inputnya sudah diketahui secara umum dan tidak perlu dipelajari jika user akan

menggunakan sistem. Dengan menggunakan bentuk ini, Interface kedua dapat

ditulis ulang sebagai berikut:

Command interface 2

movement [Direction] := command[Direction] + distance + RETURN command[Direction] := known-item[Type = word, Direction] command[Direction=forward] := ‘FORWARD’ command[Direction=backward] := ‘BACKWARD’ command[Direction=left] := ‘LEFT’ command[Direction=right] := ‘RIGHT’


Model Fisik dan Device

Keystroke Level Model (KLM) Dibandingkan dengan model-model pemahaman kognitif, sistem motorik

manusia lebih mudah untuk dipahami. Keystroke Level Model (KLM)

menggunakan sistem motorik tersebut sebagai dasar untuk memprediksikan

kinerja user. Model ini merepresentasikan sebuah unit tugas dalam interaksi

seperti eksekusi dari urutan perintah sederhana. Tugas yang kompleks akan

dibagi menjadi sub-tugas sebelum dipetakan pada aksi fisik. Tugas dapat

didekomposisi menjadi dua fase, yaitu :

• Akuisisi tugas, ketika user membangun representasi mental dari tugas

• Eksekusi tugas menggunakan fasilitas sistem

KLM hanya memberikan prediksi untuk kegiatan pada tahap berikutnya.

Pada tahap akuisisi, user memutuskan bagaimana cara melakukan tugas

menggunakan sistem. KLM berkaitan dengan model GOMS dan dapat

dikategorikan sebagai model GOMS tingkat terendah.

Model KLM mendekomposisi fase eksekusi menjadi lima operator

motorik fisik, operator mental dan operator respon sistem berikut ini :

K keystroking

B menekan tombol mouse

P pointing, menggerakkan mouse (atau sejenis) ke target

H Homing, perpindahan tangan antar mouse dan keyboard

D menggambar garis dengan mouse

M persiapan mental untuk tindakan fisik

R respon sistem, dapat diabaikan jika user tidak perlu menunggu untuk itu

Eksekusi sebuah tugas akan melibatkan berbagai operator tersebut. Sebagai

contoh tugas mengedit karakter tunggal yang salah didekomposisi menjadi :

1. memindahkan tangan ke mouse H[mouse]

2. Meletakkan cursor setelah karakter yang salah PB[LEFT]

3. Kembali ke keyboard H[keyboard]

4. Hapus kerakter MK[DELETE]


5. Ketik koreksi K[char]

6. Mereposisi ke insertion point H[mouse]MPB[LEFT]

Model ini dapat memprediksikan waktu yang diperlukan pada fase eksekusi

dengan menjumlahkan waktu masing-masing komponen aktifitas. Maka waktu

yang dibutuhkan untuk tugas di atas adalah :

Texecute = TK + TB + TP + TH + TD + TM + TR

= 2tK + 2tB + 2tP +3tH + 0 + 2tM + 0

Berikut ini adalah contoh waktu eksekusi untuk beberapa operator KLM

diadaptasi dari Card, Moran, dan Newell, 1983.

Tabel 4.1 Waktu Eksekusi Untuk Beberapa Operator KLM Diadaptasi Dari

Card, Moran, Dan Newell

Operator Remarks Time (sec)

K Press Key

good typist (90 wpm) 0.12

poor typist (40 wpm) 0.28

non-typist 1.20

B Mouse button press

down or up 0.10

click 0.20

P Point with mouse

Fitts’ Law 0.1log2(D/S + 0.5)

average movement 1.10

H Home hands to and from keyboard 0.40

D Drawing – domain-dependent -

M Mentally prepare 1.35

R Response from system - measure -

D = jarak target S = ukuran target


Dengan menggunakan tabel di atas, waktu eksekusi tugas mengedit karakter

tunggal yang salah menjadi :

Texecute = TK + TB + TP + TH + TD + TM + TR

= 2tK + 2tB + 2tP + 3tH + 0 + 2tM + 0

= 2 * 0.28 + 2 * 0.20+ 2 * 1.10+3 * 0.40 +2 * 1.35

= 7.06 second

Jika dua metode pada model GOMS dideskripsikan operatornya maka akan

menjadi :

L7_METHOD H[to keyboard] M K[L7 function key] CLOSE_METHOD P[to menu bar] B[LEFT down] M P[to option] B[LEFT up]

L7_METHOD = 0.4 + 1.35 + 0.28

= 2.03 second

CLOSE_METHOD = 1.1 + 0.1 + 1.35 + 1.1 + 0.1

= 3.75 second

Three-State Model Pada bahasan perkuliahan ke-2 telah dijelaskan bahwa ada berbagai

macam device penunjuk yang digunakan selain mouse. Device biasanya dapat

dinyatakan equivalen secara logika ditinjau dari level aplikasi, namun berbeda

dari karakteristik motor-sensor fisiknya. Oleh karena itu three-state model

dibuat untuk mewakili device tersebut.

Sebagai contoh pada device mouse yang perilakunya digambarkan pada

gambar 4.1 di bawah ini. Jika menggerakkan mouse tanpa menekan buttonnya

maka hanya akan menggerakkan kursor saja. Perilaku ini dinyatakan sebagai

tracking dengan nomor state 1. Dengan menekan button mouse dan

menggerakkan mouse akan menyebabkan obyek tergeser (dragged), dan

perilaku ini dinyatakan sebagai state 2.


Demikian juga dengan perilaku light pen yang memiliki button yang

digambarkan pada gambar 4.2. Jika buttonnya tidak ditekan maka perilakunya

akan seperti mouse pada state 1 (tracking), dan jika button ditekan akan berada

pada state 2 (dragging). Light pen memiliki state ketiga yaitu jika light pen tidak

menyentuh layar dan didefinisikan sebagai state 0.

Model three state ini mengkarakteristikan state dari sebuah device

berdasarkan jumlah input device tersebut bagi sistem. Hukum Fitt (Fitt’s Law)

mendefinisikan konstanta waktu yang berbeda untuk device yang berbeda.

Hukum Fitt menyatakan bahwa waktu yang dibutuhkan untuk berpindah ke

target yang berukuran S dengan jarak D adalah :

a + b log2 (D/S + 1)


Konstanta a dan b bergantung pada alat penunjuk (pointing device) yang

digunakan dan keahlian yang dimiliki oleh user untuk menggunakan device

tersebut. Namun model three-state mengindikasikan bahwa konstanta-

konstanta tersebut juga ditentukan oleh state dari device. Tabel 4.2 berikut

menunjukkan konstanta a dan b untuk pointing device mouse dan trackball

menurut Hukum Fitt.

Tabel 4.2 Konstanta a dan b Untuk Pointing Device Mouse Dan Trackball

Menurut Hukum Fitt

Device a (ms) b (ms/bit)

Pointing (state 1)

Mouse -107 223

Trackball 75 300

Dragging (state 2)

Mouse 135 249

Trackball -349 688

Jika kita kalkulasikan CLOSE_METHOD menggunakan operator KLM maka

hasilnya menjadi :

Mouse

P[to menu bar] = -107 + 223log2(11) = 664 ms

P[to option] = 135 + 249log2(5) = 713 ms

Trackerball

P[to menu bar] = 75 + 300log2(11) = 1113 ms

P[to option] = -349 + 688log2(5) = 1248 ms


Arsitektur Kognitif Bentuk formalisme yang sudah kita bahas sebelumnya, memperlihatkan

model implisit dan eksplisit bagaimana user melakukan proses kognitif dalam

melaksanakan tugasnya. Seperti GOMS yang menggunakan konsep

pembagian tujuan (goal) menjadi sub-tujuan (sub-goal) untuk mengenali dan

memecahkan masalah, CCT membedakan short-term memory dan long-term

memory dengan production rules disimpan pada long-term memory dan

dicocokan dengan isi yang ada di short-term memory untuk menentukan aksi

mana yang dijalankan, dan sebagainya.

Notasi hirarki dan linguistik cenderung berorientasi pada dialog yang

sempurna pada sisi user. Metode-metode tersebut mengukur kompleksitas

dialog yang dimaksud namun tidak memperhatikan perbedaan dialog yang ada

dengan urutan yang optimal atau seharusnya. Pada model arsitektur yang

dibahas di bagian ini, prediksi dan pemahaman terhadap kesalahan merupakan

fokus dari analisis yang dilakukan.

Model Problem Space Rational behaviour (perilaku rasional) didefinisikan sebagai perilaku yang

dibentuk untuk mencapai tujuan (goal) khusus tertentu. Adanya elemen

rasionalitas ini digunakan untuk membedakan antara perilaku sistem cerdas

(intelligent) dengan mesin (machine-like). Dalam bidang artificial intelligent (AI),

sistem yang memiliki karakter rational behaviour dikenal sebagai knowledge

level system.

Dalam sebuah knowledge level system terdapat agent yang memiliki

pengetahuan mengenai diri dan lingkungannya, termasuk tujuan yang akan

dicapai. Agent dapat melaksanakan suatu aksi tertentu dan menangkap

informasi perubahan lingkungannya. Saat agent berperilaku atau melakukan

suatu aksi dalam lingkungannya, ia mengubah kondisi lingkungan dan

pengetahuan yang dimilikinya. Kita dapat melihat perilaku keseluruhan

knowledge level system sebagai serangkaian state (kondisi) lingkungan dan

agent yang berubah seiring dengan berjalannya proses. Tujuan agent dapat


didefinisikan sebagai pilihan (preference) dari semua rangkaian state agent

atau lingkungan yang mungkin.

Model yang kontras dengan rational behaviour adalah model non-

rasional yang umum dipakai sebagai model komputasi. Dalam bidang ilmu

komputer, masalah / problem dideskripsikan sebagai suatu proses pencarian

diantara sekumpulan state yang mungkin mulai dari state awal ke state yang

lainnya melalui suatu operasi atau aksi untuk mencapai tujuan.

Model komputasi problem space diadaptasikan dari model pemecahan

masalah yang dikemukakan oleh Newell dan Simon dari Carnegie Mellon

University. Problem space terdiri dari sekumpulan state dan operasi yang

dilakukan terhadap state. Perilaku dalam model ini merupakan proses yang

terdiri dari dua tahap. Pertama, operator dipilih berdasarkan state yang ada

kemudian diaplikasikan terhadap state untuk menghasilkan state baru. Problem

space harus merepresentasikan rational behaviour sehingga model ini harus

memiliki karakter tujuan seperti halnya agent. Problem space

merepresentasikan tujuan dengan mendefinisikan state yang diinginkan

sebagai bagian (subset) dari semua state yang mungkin. Setelah state awal

ditetapkan, maka tugas yang dilakukan adalah menemukan rangkaian operasi

yang membentuk path / jalur state menuju state yang diinginkan. Sehingga

dapat disimpulkan terdapat empat aktifitas yang dilakukan pada model problem

space, yaitu formulasi tujuan (goal formulation), pemilihan operasi (operation

selection), aplikasi operasi (operation application), dan pencapaian tujuan (goal

completion).

Siklus aktifitas pada problem space dimulai dari indetifikasi perubahan

lingkungan eksternal yang relevan terhadap tujuan oleh proses goal formulation

yang kemudian didefinisikan terhadap kelompok state yang diinginkan dan state

awal. Proses operation selection menyarankan operasi mana yang dapat

dilakukan terhadap suatu state dan menjadikannya lebih dekat ke state tujuan.

Proses operation application menjalankan operasi, mengubah state dan

keadaan lingkungan. Jika state yang dinginkan sudah tercapai, proses goal

completion menonaktifkan agent.


Kelebihan pada arsitektur model ini adalah rekursifnya. Aktifitas pada

proses manapun di model ini hanya akan dijalankan jika pengetahuan

(knowledge) yang dibutuhkan tersedia. Sebagai contoh, untuk menentukan

operasi mana yang akan dipilih diperlukan, dibutuhkan pengetahuan mengenai

state yang terkini dan lingkungannya. Jika informasi tersebut tidak tersedia,

maka akan muncul problem space lagi dari tugas pencarian informasi tersebut

dan seterusnya hingga membentuk struktur rekursif.

Salah satu contoh arsitektur problem space adalah SOAR yang

membentuk programmable user models (PUM). Desainer memberikan deskripsi

prosedur tugas yang akan dijalankan kemudian analisis terhadap prosedur

tersebut akan menghasilkan pengetahuan yang diperlukan user untuk

melaksanakan tugas tersebut. Pengetahuan ini dikodekan pada arsitektur

SOAR dan menghasilkan model user (PUM). Dengan PUM, problem space

untuk mencapai tujuan dapat dianalisis untuk mengukur beban kognitif suatu

prosedur. Tambahan lagi PUM tidak dapat mencapai tujuan jika pengetahuan

yang dibutuhkan tidak tersedia. Hal ini menandakan ada kesalahan dalam

perancangan sistem interaksi. Dengan demikian, kesalahan dapat diprediksi

sebelum implementasi sistem interaksi.

Model Interacting Cognitive Sub-systems (ICS) Arsitektur kognitif Interacting Cognitive Sub-systems (ICS) diperkenalkan

oleh Barnard. ICS merupakan model persepsi, kognitif dan aksi, yang berbeda

dengan model lainnya. Jika model lain menghasilkan deskripsi user dalam

lingkup urutan aksi yang dilakukannya, ICS memberikan pandangan terhadap

user secara menyeluruh sebagai mesin pengolah informasi. Penekanannya

pada bagaimana mudahnya suatu prosedur tertentu jika mereka dibuat

otomatis.

Arsitektur ICS terdiri dari sembilan subsistem aktifitas yang terkoordinasi,

yaitu lima subsistem peripheral yang berinteraksi secara fisik dengan dunia luar

dan empat subsistem pusat (central sub-system) yang berhubungan dengan

proses mental. Masing-masing subsistem memiliki struktur generik yang sama

dan dideskripsikan dalam lingkup input dan output yang diketikan (typed input


and output) serta memori untuk menyimpan informasi yang diketikan (typed

information). Setiap subsistem dispesialisasikan untuk menangani proses

intrernal atau eksternal. Sebagai contoh, salah satu subsistem perpheral adalah

sistem visual untuk menangkap apa yang dilihat di dunia, dan salah satu

subsistem pusat adalah yang digunakan untuk memproses informasi

proporsional, menyimpan atribut dan identitas entitas serta hubungan antar

entitas. Contoh informasi proporsional misalnya kita mengetahui suatu kata

tertentu yang memiliki empat suku kata, dimulai dengan huruf “P” dan berkaitan

dengan sebuah area di pusat kota London.

Salah satu fitur yang dimiliki oleh ICS adalah kemampuannya untuk

menerangkan bagaimana user memprosedurkan sebuah aksi. Seorang ahli

dapat melakukan urutan tugas yang rumit dengan mudah sementara seorang

awam harus dengan hati-hati memperhatikan tiap tahapannya. Sebagai contoh

anda dapat membedakan seseorang yang telah terbiasa menggunakan mesin

ATM untuk melakukan transaksi perbankan dengan seorang yang belum

pernah atau jarang menggunakannya. Seorang ahli dapat mnegenali situasi

tugasnya dan melaksanakan aksi yang sudah menjadi baku atau prosedur

berdasarkan pengalaman dan mencapai tujuan. Perilaku yang sudah

terprosedurkan (proceduralized behaviour) akan mengurangi kesalahan.

Desainer sistem interaksi yang baik akan membantu user memprosedurkan

interaksinya dengan sistem dan mendesain interface yang menyarankan user

melakukan aksi yang memiliki respon telah terprosedur (proceduralized

response). Oleh karena itu ICS dikenal sebagai alat perancangan (design tool)

yang berperan sebagai sistem pakar (expert system) bagi desainer dalam

membuat interface.

Latihan :

1. Berikut ini adalah presentasi model kognitif dalam pembuatan model user, kecuali : A. Representasi hirarki tugas dan struktur goal B. Model generatif C. Model linguistik dan gramatik D. Model device dan fisik


2. Format “ if kondisi then aksi ” adalah bentuk dari model hirarki goal dan tugas : A. GOMS B. Cognitive Complexity Theory C. Linguistik D. Conditional

3. Model user yang mendekomposisi fase eksekusi menjadi operator motor-fisik, operator mental, dan operator response adalah : A. Three-state model B. Keystroke level model C. Problem space model D. Backus-Naur Form

4. Model yang memiliki kontribusi pada proses desain disebut : A. Generatif B. Evaluatif C. Atraktif D. Kontributif

5. Model user yang memperhatikan konsistensi dan menyimpan pengetahuan (knowlegde) user adalah : A. Three-state model B. Keystroke level model C. Task-Action Grammar D. Backus-Naur Form


perkuliahan ke 4 tujuan instruksional khusus...

Documents